提高网络表示学习表示能力的方法、模型训练方法和系统

摘要

本发明提供的提高网络表示学习表示能力的方法、模型训练方法和系统，根据图网络得到各个子图的集合；将表示子图的邻接矩阵和特征矩阵输入到图卷积神经网络中，得到子图的网络表示学习的初始向量；根据子图中中心节点与每个非中心节点之间的关系，计算中心节点与每个非中心节点之间的注意力权重；根据初始向量和每个非中心节点之间的注意力权重，得到子图节点与关系组合后的具有权重的节点知识表示向量；采用注意力机制计算得到各个非中心节点之间关系的注意力权重；根据节点知识表示向量以及各个关系的注意力权重，得到子图的加权聚合向量。用加权聚合向量表示节点，使节点知识嵌入具有更丰富的语义信息，提升了异构网络的知识计算和推理能力。